第三章序列比对

第三章 序列比对
第一节 引言
序列比对的分类：双序列比对，多序列比对
双序列比对的目的：
同源物鉴定，功能预测
基本假设：
1）所有的生物都起源于同一个祖先 （物种间序列存在同 源关系，同源序列功能往往是相似的） 2）序列不是随机产生，而是在进化上不断发生着演变 （同源的序列存在高度相似性） 3）序列的相似性可以判断 序列的同源性，进而可以利用 同源物功能的相似性 来进行推断
BLAST结果综述
BLAST结果表述
Bl2Seq双序列比对举例
特殊BLAST
蛋白质序列比对用blastp，DNA序列比对用blastn
例：拟南芥和菠菜的抗坏血酸过氧化物酶基因的两两比对
粘贴 sequence1
粘贴 sequence2
竖线：一致性 (identities)
缺口(gap)：不同之处
>gi|224983683|pdb|3GBN|B Chain B, Crystal Structure Of Fab Cr6261 In Complex With The 1918 H1n1 Influenza Virus Hemagglutinin GLFGAIAGFIEGGWTGMIDGWYGYHHQNEQGSGYAADQKSTQNAIDGITNKVNSVIEKMNTQFTAVG KEFNNLERRIENLNKKVDDGFLDIWTYNAELLVLLENERTLDFHDSNVRNLYEKVKSQLKNNAKEIGN GCFEFYHKCDDACMESVRNGTYDYPKYSEESKLNREEIDGVSGR
直系同源和旁系同源
直系同源（orthology）是指不同物种内的同源序列， 它们来源于物种形成时的共同祖先基因。
旁系同源（paralogy）是指同一物种中，由于基因的 复制而产生的几个同源基因。
直系同源和旁系同源的图示：
相似性分数的计算
1）编辑距离：两条序列对应位置上不同字符的个数 2）相似性得分：两条序列对应位置上相同字符的个数
1 i j Rij 0 i j
其中Rij代表打分矩阵元素 i、j分别代表字母表第i和第j个字符。
• （ii） 遗传密码矩阵（genetic code matrix,GCM ) • （iii）疏水性矩阵 （hydrophobic matrix) • （iv）PAM矩阵（point accepted matrix,PAM） • （v） BLOSUM矩阵
a. 等价矩阵 (unitary matrix) b. BLAST矩阵 c. 转换-颠换矩阵（transition-transversion matrix）
（嘌呤：腺嘌呤A，鸟嘌呤G；嘧啶：胞嘧啶C，胸腺嘧啶T）
表3.1 等价矩阵表 AT CG
A10 0 0 T01 0 0 C0 0 1 0 G0 0 0 1
选择“进行完全比对”，输出的文件路径自动与原始 的序列文件的路径一致。
Clustal比对结果 星号：完全一致
峰：表示一致程度高 谷：表示一致程度低
Cluster可进行双序列比对
第七节 全基因组比对
1) UCSC genome browser 2) Ensembl genome browser
同源性（homology）
• 如果两个序列有一个共同的进化祖先，那么它们 是同源的。这里不存在同源性的程度问题。这两 条序列之间要么是同源的，要么是不同源的
相似性 （similarity）
• 相似性是指序列比对过程中用来描述检测序列和目标 序列之间相同DNA碱基或氨基酸残基顺序所占比例的 高低。
• 当相似程度高于50%时，比较容易推测检测序列和目 标序列可能是同源序列；而当相似性程度低于20%时， 就难以确定是否具有同源性。
•利用每个氨基酸出现的频度对j 进行标准化 •取常用对数，得到PAM-1(i, j) •将PAM-1自乘N次，可以得到PAM-n
PAM矩阵与BLOSUM矩阵的选择
第四节 序列比对的算法
双序列比对的三种算法： • 点阵分析法 • 动态规划法:Needleman-Wunsch、Smith-Waterman • 词或K串法(BLAST or FASTA中应用，后面会提到)
9
9
8
8
8
8
7
7
5
T
5
5
5
5
7
7
9
9
9
9 10 10 10 10
9
9
8
8
8
8
7
7
5
H
5
5
5
5
7
7
9
9
9
9 10 10 10 10
9
9
9
8
8
8
7
7
5
A
5
5
5
5
7
7
9
9
9
9 10 10 10 10
9
9
9
8
8
8
7
7
5
C
4
4
5
5
6
6
8
8
8
8
9
9
9
9 10 10
9
9
9
9
8
8
5
M
3
3
4
4
6
6
8
8
8
8
9
9
9
9 10 10 10 10
The end
7
7
6
6
6
5
5
5
4
4
3
S
6
6
7
7
8
8 10 10 10 10
9
9
9
9
8
8
7
7
7
7
6
6
4
N
6
6
6
6
8
8 10 10 10 10
9
9
9
9
8
8
8
7
7
7
6
6
4
Q
6
6
6
6
8
8 10 10 10 10
9
9
9
9
8
8
8
7
7
7
6
6
4
G
5
5
6
6
8
8 10 10 10 10
9
9
9
9
8
8
8
8
7
7
6
6
5
X
5
5
5
5
7
7
9
9
9
9 10 10 10 10
（BLOck SUbstitution Matrix，BLOSUM）
• 遗传密码矩阵
遗传密码矩阵通过计算一个氨基酸变成另一 个氨基酸所需的密码子变化的数目而得到。 通常为1 或 2，只有Met到Tyr为 3。
• 遗传密码矩阵 GCM矩阵
疏水矩阵
R
K
D
E
B
Z
S
N
Q
G
X
T
H
A
C
MP
V
L
I
Y
F
W
R 10 10
表3.2 BLAST矩阵 AT CG
A 5 -4 -4 -4 T -4 5 -4 -4 C -4 -4 5 -4 G -4 -4 -4 5
表3.3 转移矩阵 AT CG
A 1 -5 -5 -1 T -5 1 -1 -5 C -5 -1 1 -5 G -1 -5 -5 1
（2）蛋白质打分矩阵
• （i）等价矩阵
8
F
1
1
2
2
4
4
6
6
6
6
7
7
7
7
8
8
8
8
9
9 10 10
9
W
0
0
1
1
3
3
4
4
4
5
5
5
5
5
6
7
7
7
8
8
8
9 10
PAM & BLOSOM
• 这类矩阵列出同源蛋白质在进化过程中氨基酸变 化的可能性（统计学inference）是基于进化原理 的依据，更科学
PAM矩阵（ point accepted mutaion）
2）蛋白质比对通常比DNA比对具有更丰富的信息
i) DNA序列的许多改变（特别是密码子的第三位）不会 改变对应的氨基酸
ii）许多氨基酸具有相似的生物化学性质（亲疏水，酸 碱等），在打分系统中会认为是相似的（positive）， 而不是不同
第五节 双序列比对的常用工具
数据库搜索：在分子生物学研究中，对于新测定的 碱基序列或由此翻译得到的氨基酸序列，往往需要 通过数据库搜索，找出具有一定相似性的同源序列， 以推测该未知序列可能属于哪个基因家族，具有哪 些生物学功能。 数据库搜索的基础是序列的相似性比对，即双序列 比对,因此，数据库搜索是双序列比对的特例 BLAST, FASTA等常用的数据库搜索程序均采用局部相 似性比对的方法，具有较快的运行速度
• 基于氨基酸进化的点突变模型
如果两种氨基酸替换频繁，说明自然界接受这种替换，那么这对氨基酸替换得 分就高
PAM矩阵的制作步骤 •构建序列相似（大于85％）的比对 •计算氨基酸 j 的相对突变率mj（j被其他氨基酸替换的次数） •针对每个氨基酸对 i 和 j , 计算 j 被 i 替换次数 •替换次数除以相对突变率（mj）
9
9
8
8
7